数字“东哥”直播首秀,全靠大模型?

小白菜

“京东的新老朋友们大家好，我是刘强东。”4月15日傍晚，京东官方发布一条视频，刘强东面对镜头发言。而镜头前的东哥，显得那么神采奕奕，相信如果不是公开报道，大家绝对想不到镜头后面并非东哥本人，而是高仿真的“数字人”！

而15日发布的视频，其实是对正式直播的“预热”：4月16日下午6时18分这个特定的时间点，由京东云言犀打造的“采销东哥”AI数字人开启直播首秀，同时亮相京东家电家居、京东超市采销直播间。

严格说起来，这并不是东哥第一次出现在镜头前：据中国新闻网，七年半前的2016年11月10日，“双十一”前夕，京东早8点开始联手花椒特别推出了12小时不间断直播SHOW，霸道总裁刘强东更是亲自站台直播做饭，为网友教学了“大盘鸡”和“波士顿龙虾”两吃。同时，在直播中不忘重点推荐京东的产品，向大家强调“所有的食材原料都可以从京东购买到”。

实际上，直到正式直播结束，还是很多网友不敢相信，出镜的东哥真的是“数字人”，只因实在太逼真了！



“数字人”东哥，直入主题？

究竟逼真到什么程度？据笔者和朋友共同观察，“数字人”东哥不是仅仅在那里说话，同时还有丰富的肢体语言和表情，同时说话的语音语调，和东哥标签般的“宿迁普通话”也有个八九成的还原度！

据多家媒体报道，现实生活中的刘强东语速比较快，吐字比较轻，有些词语会习惯连读，他对“时间”“正是”中的“sh”发音带有重鼻音，还喜欢称呼“兄弟们”鼓舞大家的士气，而这些因素在“数字人”东哥中都进行了针对性优化。

当然AI和真人毫无疑问还是有区别的：据笔者朋友表示，画面中“东哥”的手一直在动，显得不太自然；而说话的语音语调如果仔细听，还是可以听出明显人工合成的气息，和自然语音的差别，就好比最近沸沸扬扬的“半固态电池和全固态电池”的差别。

其实讲话的语音语调并不重要，能让人听懂就没问题，大家更关心的显然是，刘强东这样的大佬，直播时究竟会讲些什么，是自身的创业经历还是心灵鸡汤，抑或兼而有之？

实践证明，这次“东哥”虽然没有再次化身大厨，也没有推销食材，不过依然做的是老本行——带货！

根据直播现场实录，“我创立京东就是想让大家买到的商品方便、快速、便宜，还要保证产品质量。”在5分钟的简单暖场后，这位东哥数字人迅速开启了带货，并未谈论太多的个人生活和观点。而带货产品以家电和食品为主，包括空调、电视、蓝莓、牛奶、玉米等，配合了4月16日“京东家电家居电视空调超级品类日”。

据券商中国总结，京东超市披露，数字版“东哥”上播30分钟，直播间观看人数破千万；近1小时观看量超2000万，直播时段用户平均停留时长达到日常均值的5.6倍。在40分钟内，直播间整体订单量破10万。

那么成单情况如何呢？直播期间，采销东哥AI数字人讲解13款商品，整体订单量环比上周日均增长7.6倍；京东超市“百亿农补”货品，开播半小时成交额环比上周日均增长5.7倍。也算取得了“开门红”战绩！

刘强东此次参与直播，主要是为进一步预热京东的内容生态和短视频创作。据天眼查知识产权信息显示，近期，京东方面已经申请注册“老刘专场”“优京家品”“圆头价”等商标，国际分类涉及广告销售、服装鞋帽等，当前商标状态均为等待实质审查。



“数字人”直播，大模型是后盾

数字人诞生背后，离不开背后京东云言犀多年的技术深耕与积累。而“言犀”，就是京东云旗下的千亿级大模型，京东“数字人”背后的真正“大脑”！

从产业应用维度来看，直播间的虚拟主播属于服务型虚拟数字人，相较于身份型虚拟数字人而言，技术门槛更高，需要解决实际应用中不同场景的问题。从行业来看，数字人已经成为直播行业发展的重点。据证券日报，艾媒咨询数据显示，预计2025年中国虚拟人带动产业市场规模和核心市场规模将分别达到6402.7亿元和480.6亿元。

和真人比起来，“数字人”最明显的优势在于，它不需要吃饭睡觉上洗手间，因此理论上可以24h全天候无死角开播，照顾到所有人的时间，还无需场地、化妆、服装等费用，明显降低运营成本。更重要的是，数字人能实时回应用户需求，增强用户参与度。因而可以与真人主播形成互补！

举个简单例子，早晨6点至8点是真人主播的休息时段，但却恰好又是新手父母们“最痛苦”的时间——起床给宝宝换尿布后，还要出门上班，因而一些母婴品牌便会利用这个空挡，让数字人主播进行“润物细无声”的关怀！

但是要做出“数字人”东哥，最大的难点在于，刘强东是知名公众人物，公众对其形象、声音、语态等特征都无比熟悉，因而“出品”如果和真人偏差太大，必将导致来自各界的疯狂diss，进而怀疑背后大模型团队的专业能力，是不是“银样镴枪头”，因而团队的压力不是一般的大！

那么，为了创造出一个有血有肉的“东哥”，京东云言犀做了哪些努力呢？

据澎湃新闻、21世纪经济报道等，为了打造真实的“东哥”，技术团队对大模型做出多次调整：起初“喂”给大模型的演讲素材，虽然充满激情、爆发力强，但过于正式。为此，他们用最新录制的闲谈作为主要素材，其中有刘强东本人的旅行经历，再提取5分钟演讲的韵律特征灌给大模型，通过不断优化，最终才塑造出十分接近本人的声音。

复现出音色以后，还需要捕捉声音的“副语言”，包括语速、语调、重音、倒吸气等。这些副语言原本分布稀疏，大模型不容易捕捉到规律，但又是判断语意的重要辅助力量，如果没有副语言，声音就会缺乏情绪、显得过于“正确”和冷冰冰。

言犀团队的方法是，把声音样本的重音、语调等拆解成音素，利用NLP（自然语言识别），让模型能更清晰地注意到它们，并通过ASR（语音识别）来捕捉语调和语气变化，综合判断何时开始发言。综合以上技术，产生一个能流畅自如交谈的数字人声音。

据了解，言犀语音大模型在训练时，被“喂”入5万小时海量鲜活的语音数据，才能智能匹配不同直播风格。而早在“东哥”横空出世前，京东的数字主播早已遍布平台，而且声音足以“以假乱真”，甚至类似相声演员的声线！

据公开资料：在今年春节闲时直播中，京东云言犀数字人就曾卖出过4000万元货品，平均提升闲时直播转化率超30%。截至2024年4月，已经有超过4000个品牌在京东使用数字人直播，用来接替真人完成闲时直播。它们能提升闲时转化率超30%，成本却不到真人直播的1/10。

京东之所以重仓数字直播，似乎还有一方面的考虑：和其它电商比起来，在直播方面显得“先天不足”，因而意图通过数字直播等全新方式，在直播电商方面大举进军！



京东电商，奋起直追

就在“东哥”开播差不多一周前的4月10日，京东宣布了“双十亿”计划——将投入十亿现金和十亿流量，以鼓励更多主播和MCN机构入驻平台，同期也传出京东以降低门槛的方式、紧急推进主播招募的消息。

十亿在普通人看来是天文数字，但是投入到直播领域，未见得能够掀起多大水花。来看看京东和阿里的对比：据中国经营报，今年3月26日，淘天集团内容电商事业部总经理程道放，在2024淘宝内容电商盛典上宣布“2024年淘宝直播将新增百亿现金投入、千亿流量，真金白银在内容电商加大投入”，比京东整整高了一个数量级！

的确，作为直播电商的较晚入局者，京东缺乏李佳琦、薇娅这样的头部主播，因而面对“赢者通吃”的局面多少有些力不从心。此次京东的10亿级投入主要用在抢主播、抢用户上。为了争夺主播，京东对数码3C、家电家居、母婴等20个领域的达人进行补贴，对优质创作者提供更多曝光和流量激励。

京东的此番动作，又是补贴又是数字人，能否助力其直播电商再上一个新台阶？让我们拭目以待。

免责声明（上下滑动查看全部）

任何在本文出现的信息（包括但不限于个股、评论、预测、图表、指标、理论、任何形式的表述等）均只作为参考，投资人须对任何自主决定的投资行为负责。另，本文中的任何观点、分析及预测不构成对阅读者任何形式的投资建议，亦不对因使用本文内容所引发的直接或间接损失负任何责任。投资有风险，过往业绩不预示未来表现。财经早餐力求文章所载内容及观点客观公正，但不保证其准确性、完整性、及时性等。本文仅代表作者本人观点。